文章预览
清华新闻网10月10日电 近日，清华大学物理系徐勇、段文晖研究组与美国加州大学伯克利分校物理系史蒂文·路易（Steven G. Louie）研究组合作开发了一套方法框架，将研究组开发的深度学习密度泛函理论哈密顿量（DeepH）方法从原先仅支持原子基组推广至适用于平面波基组，使得DeepH方法可与所有密度泛函理论（DFT）程序兼容。这给深度学习电子结构计算方法带来了更高的精度和更好的泛化能力，并打通了其利用电子结构大数据作深度学习的通道。 近年来，深度学习与第一性原理电子结构计算的结合给大尺度量子材料的计算模拟以及新材料的发现带来了全新的机遇。在这一领域内，能够从材料原子结构直接预测DFT哈密顿量的DeepH方法取得了巨大的成功，在比传统DFT方法快多个数量级的速度下仍能保持亚毫电子伏的精度。这一方法已经被拓展至研究磁
………………………………
